摘要 | 第1-6页 |
Abstract | 第6-11页 |
第1章 绪论 | 第11-21页 |
·课题背景和意义 | 第11-12页 |
·多传感器信息融合技术研究现状 | 第12-15页 |
·锅炉燃烧过程控制方法的研究现状 | 第15-19页 |
·PID 控制方法 | 第15-16页 |
·先进控制理论在燃烧过程控制系统中的应用 | 第16-19页 |
·本文的主要研究内容 | 第19-21页 |
第2章 多传感器信息融合与神经网络理论 | 第21-43页 |
·多传感器信息融合理论 | 第21-23页 |
·多传感器信息融合的一般概念与定义 | 第21-22页 |
·多传感器信息融合原理 | 第22-23页 |
·多传感器信息融合系统功能和结构模型 | 第23-27页 |
·多传感器信息融合系统功能模型 | 第23-25页 |
·多传感器信息融合的结构功能模型 | 第25-27页 |
·多传感器信息融合闭环系统控制模式 | 第27-28页 |
·多传感器信息融合闭环控制系统的性能 | 第28-30页 |
·传感器子系统的构成与功能 | 第28-29页 |
·数据融合子系统的构成与功能 | 第29页 |
·决策子系统的构成与功能 | 第29-30页 |
·神经网络 | 第30-39页 |
·人工神经网络 | 第30-33页 |
·ART2 网络 | 第33-35页 |
·ART2 网络的数学模型与学习算法 | 第35-39页 |
·BP 神经网络 | 第39-42页 |
·BP 神经网络的结构 | 第39页 |
·BP 神经网络的算法原理 | 第39-41页 |
·BP 神经网络存在的问题 | 第41-42页 |
·本章小结 | 第42-43页 |
第3章 循环流化床锅炉燃烧过程动态特性研究 | 第43-62页 |
·引言 | 第43页 |
·CFBB 原理及特点 | 第43-45页 |
·CFBB 的基本原理 | 第43-44页 |
·CFBB 锅炉的结构与特点 | 第44-45页 |
·燃烧控制系统的任务 | 第45-46页 |
·CFBB 锅炉燃烧过程变量关系 | 第46页 |
·循环流化床锅炉燃烧系统的动态特性 | 第46-60页 |
·目前我国的电力系统建模主要有 3 种途径: | 第46-48页 |
·动态能量平衡方程 | 第48-49页 |
·动态物料平衡方程 | 第49页 |
·动态炭质量平衡方程 | 第49页 |
·动态氧量平衡方程 | 第49页 |
·蒸发区压力动态平衡方程 | 第49-51页 |
·汽压被控对象数学模型 | 第51-54页 |
·床温被控对象数学模型 | 第54-56页 |
·含氧量被控对象数学模型 | 第56-58页 |
·料层差压被控对象数学模型 | 第58-60页 |
·CFBB 燃烧过程被控对象数学模型矩阵方程 | 第60-61页 |
·本章小结 | 第61-62页 |
第4章 基于多传感器信息融合的循环流化床锅炉煤量系统聚类控制研究 | 第62-82页 |
·循环流化床锅炉燃烧过程控制系统设计 | 第62-64页 |
·基于信息融合混合神经网络的循环流化床锅炉煤量控制系统结构 | 第64-74页 |
·传感器模式空间 | 第66页 |
·输入信息空间 | 第66-68页 |
·聚类融合空间 | 第68-69页 |
·聚类融合系统设计中各权值和参数的选取 | 第69-70页 |
·类别空间 | 第70-72页 |
·控制策略空间 | 第72-73页 |
·态势威胁空间 | 第73-74页 |
·CFBB 煤量系统聚类融合控制仿真研究 | 第74-81页 |
·本章小结 | 第81-82页 |
第5章 新聚类方法在锅炉一些运行参数数据处理中的应用 | 第82-96页 |
·数据聚类和聚类分析 | 第82页 |
·聚类方法的评价 | 第82-83页 |
·聚类的准确度 | 第83页 |
·聚类的同构度与异构度 | 第83页 |
·C-均值算法 | 第83-84页 |
·模糊 c-均值算法(FCM) | 第84-85页 |
·基于自适应粒子群算法的 FCM 敏感参数优化 | 第85-88页 |
·粒子群优化( P S O) | 第85-87页 |
·自适应粒子群优化 | 第87-88页 |
·基于 APSO 的聚类算法及其与 FCM 的结合(APFM) | 第88-90页 |
·实验结果及分析 | 第90-95页 |
·本章小结 | 第95-96页 |
结论 | 第96-98页 |
参考文献 | 第98-107页 |
攻读博士学位期间承担的科研任务与主要成果 | 第107-109页 |
致谢 | 第109-110页 |
作者简介 | 第110页 |